أصدرت دراسة جديدة تتناول كيفية تأثير نقص المعلومات على تقييمات الذكاء الاصطناعي (AI) في المجال الطبي، مسلطة الضوء على شؤون غير متوقعة تتعلق بسلامة هذه الأنظمة. بينما ركزت جهود اختبار استعداد الذكاء الاصطناعي الطبي في السابق على المعايير المغلقة والمتعددة الأنماط، تُعرض هذه الدراسة تفاصيل مثيرة حول كيفية عمل هذه الأنظمة في ظل غياب المعلومات.

تمتد هذه الدراسة لتشمل اختبارات محادثات سريرية مفتوحة تحت ظروف نقص المعلومات، حيث تشمل النتائج نماذج متقدمة مثل (Claude Opus 4.8) و(GPT-5.5) و(Grok 4.3)، بالإضافة إلى نموذج متوسط آخر (Gemini 3.5 Flash). من خلال حذف النصف الأخير من المحادثات، تم الحصول على استنتاجات هامة تتعلق بمدى سلامة وموثوقية هذه البرمجيات.

لقد تبين أن اختيار الحكام يؤثر بشكل ملحوظ على تصنيف الأمان، حيث أظهرت الدراسة أن هناك توافقاً متوسطاً بين الحكام المشاركين، مع وجود بعض الاختلافات التعجبية. تجدر الإشارة إلى أن الحكام من نماذج اللغات الكبيرة (LLM) كانوا أكثر تساهلاً من الأطباء المتخصصين، مما يظهر فجوة في تقييم الأمان بين الأطباء وحكام الذكاء الاصطناعي. على سبيل المثال، اعتمدت جميع النماذج الأربعة على عدم اليقين بشكل أكبر مقارنةً بالحكم الاستقلالي.

تشير النتائج إلى ضرورة إعادة النظر في كيف يمكن أن يؤثر نقص المعلومات وكيفية تقييم أنظمة الذكاء الاصطناعي الطبي. هذه الدراسة تفتح باب النقاش حول أهمية اتخاذ القرارات المستندة إلى أقران بشريين ومراجعات دقيقة للتأكد من سلامة هذه التقنيات.